Bayesian Poisson Regression
Bayesian Poisson regression models non-negative integer count outcomes using a Poisson likelihood with a log link, placing prior distributions on the regression coefficients. Posterior inference — combining prior beliefs with the data likelihood — produces full probability distributions over the coefficients rather than single-point estimates, enabling coherent uncertainty quantification and incorporation of domain knowledge.
Izvorni zapis
Citati kopirani doslovno iz izvornog zapisa metode. Ne impliciraju nikakvu provjeru na razini tvrdnje.
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. · ISBN 978-1439840955
- McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models (2nd ed.). Chapman and Hall. · ISBN 978-0412317606
Uređene tvrdnje
Tvrdnje pohranjene u knjigu dokaza, svaka s vlastitom procjenom.
Ovaj prikaz ne izmišlja procjenu tvrdnje kada knjiga dokaza nema nijednu.
Povezane metode
Generirano iz grafa metode i prikazano kao strojno predložene relacije — ne implicira se nikakva tvrdnja dokaza.